大数据分析:方法与应用 (王星 著) 中文pdf扫描版[98MB]

大数据分析方法与应用

  • 书籍大小:98.6MB
  • 书籍语言:简体中文
  • 书籍类型:国产软件
  • 书籍授权:免费软件
  • 更新时间:2018-12-05
  • 书籍类别:数据库其它
  • 购买链接:
  • 网友评分:软件评分
  • 应用平台:PDF
98.6MB
无插件 360通过 腾讯通过 金山通过
内容介绍热点排行相关内容下载地址↓

《大数据分析:方法与应用/应用统计学系列教材》介绍数据挖掘、统计学习和模式识别中与大数据分析相关的理论、方法及工具。理论学习的目标是使学生掌握复杂数据的分析与建模;方法学习的目标是使学生能够按照实证研究的规范和数据挖掘的步骤进行大数据研发,工具学习的目标是使学生熟练掌握一种数据分析的语言。 《大数据分析:方法与应用/应用统计学系列教材》内容由10章构成:大数据分析概述,数据挖掘流程,有指导的学习,无指导的学习,贝叶斯分类和因果学习,高维回归及变量选择,图模型,客户关系管理、社会网络分析、自然语言模型和文本挖掘。

目录

第1章 大数据分析概述
1.1 大数据概述
1.1.1 什么是大数据
1.1.2 数据、信息与认知
1.1.3 数据管理与数据库
1.1.4 数据仓库
1.1.5 数据挖掘的内涵和基本特征
1.2 数据挖掘的产生与功能
1.2.1 数据挖掘的历史
1.2.2 数据挖掘的功能
1.3 数据挖掘与相关领域之间的关系
1.3.1 数据挖掘与机器学习
1.3.2 数据挖掘与数据仓库
1.3.3 数据挖掘与统计学
1.3.4 数据挖掘与智能决策
1.3.5 数据挖掘与云计算
1.4 大数据研究方法
1.5 讨论题目
1.6 推荐阅读
第2章 数据挖掘流程
2.1 数据挖掘流程概述
2.1.1 问题识别
2.1.2 数据理解
2.1.3 数据准备
2.1.4 建立模型
2.1.5 模型评价
2.1.6 部署应用
2.2 离群点发现
2.2.1 基于统计的离群点检测
2.2.2 基于距离的离群点检测
2.2.3 局部离群点算法
2.3 不平衡数据级联算法
2.4 讨论题目
2.5 推荐阅读
第3章 有指导的学习
3.1 有指导的学习概述
3.2 k-近邻
3.3 决策树
3.3.1 决策树的基本概念
3.3.2 分类回归树
3.3.3 决策树的剪枝
3.4 提升方法
3.5 随机森林树
3.5.1 随机森林树算法的定义
3.5.2 如何确定随机森林树算法中树的节点分裂变量
3.5.3 随机森林树的回归算法
3.6 人工神经网络
3.6.1 人工神经网络基本概念
3.6.2 感知器算法
3.6.3 LMS算法
3.6.4 反向传播算法
3.6.5 神经网络相关问题讨论
3.7 支持向量机
3.7.1 最大边距分类
3.7.2 支持向量机问题的求解
3.7.3 支持向量机的核方法
3.8 多元自适应回归样条
3.9 讨论题目
3.1 0推荐阅读
第4章 无指导的学习
4.1 关联规则
4.1.1 静态关联规则算法Apriori算法
4.1.2 动态关联规则算法Carma算法
4.1.3 序列规则挖掘算法
4.2 聚类分析
4.2.1 聚类分析的含义及作用
4.2.2 距离的定义
4.2.3 系统层次聚类法
4.2.4 k-均值算法
4.2.5 BIRCH算法
4.2.6 基于密度的聚类算法
4.3 基于预测强度的聚类方法
4.3.1 预测强度
4.3.2 预测强度方法的应用
4.3.3 案例分析
4.4 聚类问题的变量选择
4.4.1 高斯成对罚模型聚类
4.4.2 各类异方差成对罚模型聚类
4.4.3 几种聚类变量选择的比较
4.5 讨论题目
4.6 推荐阅读
第5章 贝叶斯分类和因果学习
5.1 贝叶斯分类
5.2 决策论与统计决策论
5.2.1 决策与风险
5.2.2 统计决策
5.3 线性判别函数和二次判别函数
5.4 朴素贝叶斯分类
5.5 贝叶斯网络
5.5.1 基本概念
5.5.2 贝叶斯网络的应用
5.5.3 贝叶斯网络的构建
5.6 案例:贝叶斯网络模型在信用卡违约概率建模中的应用
5.7 讨论题目
5.8 推荐阅读
第6章 高维回归及变量选择
6.1 线性回归模型
6.2 模型选择
6.2.1 模型选择概述
6.2.2 偏差-方差分解
6.2.3 模型选择准则
6.2.4 回归变量选择
6.3 广义线性模型
6.3.1 二点分布回归
6.3.2 指数族概率分布
6.3.3 广义线性模型
6.3.4 模型估计
6.3.5 模型检验与诊断
6.4 高维回归系数压缩
6.4.1 岭回归
6.4.2 LASSO
6.4.3 Shooting算法
6.4.4 路径算法
6.4.5 其他惩罚项及Oracle性质
6.4.6 软件实现
6.5 总结
6.6 讨论题目
6.7 推荐阅读
第7章 图模型
7.1 图模型基本概念和性质
7.1.1 图矩阵
7.1.2 概率图模型概念和性质
7.2 协方差选择
7.2.1 用回归估计图模型
7.2.2 基于最大似然框架的方法
7.3 指数族图模型
7.3.1 基本定义
7.3.2 参数估计及假设检验
7.4 谱聚类
7.4.1 聚类和图划分
7.4.2 谱聚类
7.5 总结
7.6 讨论题目
77推荐阅读
第8章 客户关系管理
8.1 协同推荐模型
8.1.1 基于邻域的算法
8.1.2 矩阵分解模型
8.2 客户价值随机模型
8.2.1 客户价值的定义
8.2.2 客户价值分析模型
8.2.3 客户购买状态转移矩阵
8.2.4 利润矩阵
8.2.5 客户价值的计算
8.3 案例:银行卡消费客户价值模型
8.4 推荐阅读
第9章 社会网络分析
9.1 社会网络概述
9.1.1 社会网络概念与发展
9.1.2 社会网络的基本特征
9.1.3 社群挖掘算法
9.1.4 模型的评价
9.2 案例:社会网络在学术机构合作关系上的研究
9.3 讨论题目
9.4 推荐阅读
附录A本章R程序
第10章 自然语言模型和文本挖掘
10.1 向量空间模型
10.1.1 向量空间模型基本概念
10.1.2 特征选择准则
10.2 统计语言模型
10.2.1 n-gram模型
10.2.2 主题n-元模型
10.3 LDA模型
10.4 案例:LDA模型的热点新闻发现
10.5 推荐阅读

截图:
人气书籍
下载地址
相关书籍
网友评论
下载声明

☉脚本之家不参与生产制作,所有资源均来自稀酷客、csdn、电驴等站点搜集整理,并仅供私下交流学习之用,版权依然由原属机构或个人所有,若无意中侵犯了您的权益,请来信指出我们会立即会做出处理。
☉解压密码或分享码:www.jb51.net 就是本站主域名,希望大家看清楚,[ 分享码的获取方法 ]可以参考这篇文章
☉推荐使用 [ 迅雷 ] 下载,使用 [ WinRAR v5 ] 以上版本解压本站电子书。
☉如果这个电子书总是不能下载的请在评论中留言,我们会尽快修复,谢谢!
☉下载本站资源,如果服务器暂不能下载请过一段时间重试!
☉如果遇到什么问题,请评论留言,我们定会解决问题,谢谢大家支持!
☉本站提供的一些商业电子书是供学习研究之用,如用于商业用途,请购买正版。
☉本站提供的大数据分析:方法与应用 (王星 著) 中文pdf扫描版[98MB] 资源来源互联网,版权归该下载资源的合法拥有者所有。